摘要: 一、文献综述概述 文献综述是研究者在其提前阅读过某一主题的文献后,经过理解、整理、融会贯通,综合分析和评价而组成的一种不同于研究论文的文体。 综述的目的是反映某一课题的新水平、新动态、新技术和新发现。 从其历史到现状,存在问题以及发展趋势等,都要进行全面的介绍和评论。 在此基础上提出自己的见解,预测 阅读全文
posted @ 2018-03-08 11:01 Ariel_一只猫的旅行 阅读(2905) 评论(0) 推荐(0) 编辑
摘要: 陈道明:孤独的内心 陈道明:孤独的内心 采访 人:苗 野被采访人:陈道明 苗野:你根本就不喜欢当演员,压根儿就不喜欢,所以你总是看起来冷冷的,不快乐。陈道明:你说的没错,很理解我。很遗憾,我不喜欢演员这个职业,但不能做别的了,没有其它的天资再去从事其它的行业,手不能挑,肩不能扛,弄的我上不上下不下的 阅读全文
posted @ 2018-02-07 17:22 Ariel_一只猫的旅行 阅读(245) 评论(0) 推荐(0) 编辑
摘要: 本文大致脉络: 对每张图片,作者首先使用 P. Doll´ar and C. Zitnick. Structured forests for fast edge detection. ICCV , 2013. 4, 5 来产生边缘图(edge probability map),请注意probabil 阅读全文
posted @ 2018-02-02 13:17 Ariel_一只猫的旅行 阅读(3210) 评论(1) 推荐(0) 编辑
摘要: 译文: 《基于二值化赋范梯度特征的一般对象估计》 摘要: 通过训练通用的对象估计方法来产生一组候选对象窗口,能够加速传统的滑动窗口对象检测方法。我们观察到一般对象都会有定义完好的封闭轮廓,而且通过将相关图像窗口重置为固定大小,就可以通过梯度幅值进行区分。基于以上的观察以及复杂度的考虑,为了明确训练方 阅读全文
posted @ 2018-02-02 13:01 Ariel_一只猫的旅行 阅读(1807) 评论(0) 推荐(0) 编辑
摘要: UC Berkeley的Deepak Pathak 使用了一个具有图像级别标记的训练数据来做弱监督学习。训练数据中只给出图像中包含某种物体,但是没有其位置信息和所包含的像素信息。该文章的方法将image tags转化为对CNN输出的label分布的限制条件,因此称为 Constrained conv 阅读全文
posted @ 2018-02-01 13:53 Ariel_一只猫的旅行 阅读(1239) 评论(0) 推荐(0) 编辑
摘要: 往期回顾 在上一篇文章中,我们已经掌握了机器学习的基本套路,对模型、目标函数、优化算法这些概念有了一定程度的理解,而且已经会训练单个的感知器或者线性单元了。在这篇文章中,我们将把这些单独的单元按照一定的规则相互连接在一起形成神经网络,从而奇迹般的获得了强大的学习能力。我们还将介绍这种网络的训练算法: 阅读全文
posted @ 2018-01-31 14:48 Ariel_一只猫的旅行 阅读(1004) 评论(0) 推荐(0) 编辑
摘要: 这篇文章的主要贡献点在于: 1.实验证明仅仅利用图像整体的弱标签很难训练出很好的分割模型; 2.可以利用bounding box来进行训练,并且得到了较好的结果,这样可以代替用pixel-level训练中的ground truth; 3.当我们用少量的pixel-level annotations和 阅读全文
posted @ 2018-01-31 13:48 Ariel_一只猫的旅行 阅读(2589) 评论(0) 推荐(0) 编辑
摘要: 这篇论文主要介绍了如何使用图片级标注对像素级分割任务进行训练。想法很简单却达到了比较好的效果。文中所提到的loss比较有启发性。 大体思路: 首先同FCN一样,这个网络只有8层(5层VGG,3层全卷积)。不同的是由于图片只有image-level的标注,所以输出图像的清晰度无法保证,所以没有反卷积。 阅读全文
posted @ 2018-01-30 15:31 Ariel_一只猫的旅行 阅读(1823) 评论(0) 推荐(0) 编辑
摘要: 作者:李洲链接:https://www.zhihu.com/question/20169638/answer/18205965来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 转载一个对我帮助很大的研究生手册,作者是台湾清华大学的彭明辉教授。比较长,但绝对值得一读。就我 阅读全文
posted @ 2018-01-30 13:55 Ariel_一只猫的旅行 阅读(1240) 评论(0) 推荐(0) 编辑
摘要: 一、FCN中的CNN 首先回顾CNN测试图片类别的过程,如下图: 主要由卷积,pool与全连接构成,这里把卷积与pool都看作图中绿色的convolution,全连接为图中蓝色的fully connected。卷积主要是获取高维特征,pool使图片缩小一半,全连接与传统神经网络相似作为权值训练,最后 阅读全文
posted @ 2018-01-30 13:47 Ariel_一只猫的旅行 阅读(615) 评论(0) 推荐(0) 编辑